[发明专利]一种工程参数寻优方法及系统

说明书

本申请公开了一种工程参数寻优方法包括：预先构建与预设工程问题对应的目标函数；在满足目标函数的约束条件的前提下，利用新型灰狼算法对目标函数求解；其中，利用新型灰狼算法对目标函数求解具体过程包括：预设狼群；对狼群进行S次迭代更新，得到更新后的狼群；从更新后的狼群中筛选出全局最优个体，并将全局最优个体所对应的维确定为预设工程问题的最优工程参数；其中，迭代更新过程包括：对狼群进行更新，进行适应度计算，利用纵向交叉操作，修正更新方向。本申请加入了竞争策略，还利用纵横交叉算法中的纵向交叉操作，避免狼群陷入局部最优的可能性。另外，本申请还相应公开了一种工程参数寻优系统。

技术领域

本发明涉及工程寻优技术领域，特别涉及一种工程参数寻优方法及系统。

背景技术

随着系统工程理论研究的日趋成熟和现代计算机技术的不断发展与应用，各种新型群智能优化算法得到了快速发展，相比于传统数学优化方法，新型群智能优化算法不需要过度依赖数学模型，在求解多约束优化问题时也不需要将数学模型进行简化，避免牺牲求解精度。因此，其具有较强的适用性，并成为目前优化领域研究的热点之一。

现有技术中，灰狼算法是一种新型元启发式搜索算法，该算法具有结构简单、控制参数少、易于实现、有较强的搜索能力等特点，在优化领域，已被证明在计算效率和求解精度上均优于粒子群算法，并且在特征子集选择、直流电机最优控制、多输入多输出电力系统、多层传感器训练及电力系统经济调度等领域中具有广泛的应用，但其仍存在容易陷入局部最优的缺陷。

发明内容

有鉴于此，本发明的目的在于提供。其具体方案如下：

一种工程参数寻优方法，包括：

预先构建与预设工程问题对应的目标函数；其中，所述目标函数对应的解为d维的解，d为正整数；

在满足所述目标函数的约束条件的前提下，利用新型灰狼算法对所述目标函数求解；

其中，利用所述新型灰狼算法对所述目标函数求解具体过程包括：

预设狼群；其中，所述狼群包括M个个体，所述狼群中每一个个体均构成所述目标函数的一个解，M为正整数；

对所述狼群进行S次迭代更新，得到更新后的狼群，S为正整数；

从所述更新后的狼群中筛选出全局最优个体，并将所述全局最优个体所对应的解确定为所述预设工程问题的最优工程参数；

其中，对所述狼群进行任一次迭代更新的过程，包括：对所述狼群进行更新，得到中庸狼群，对所述狼群和所述中庸狼群中每个个体进行适应度计算，从所述狼群中的个体和一一对应的所述中庸狼群的个体之间筛选出适应度最高的第一组M个个体，得到第一狼群，当满足修正条件，则利用纵向交叉操作，修正所述第一狼群更新方向，得到修正后的中庸狼群，对所述第一狼群和所述修正后的中庸狼群中每个个体进行适应度计算，从所述第一狼群中的个体和一一对应的所述修正后的中庸狼群的个体之间筛选出适应度最高的第二组M个个体，得到第二狼群。

优选的，所述对所述狼群进行更新，得到中庸狼群的过程，包括：

利用更新公式，对所述狼群进行更新，得到所述中庸狼群；其中，所述更新公式为:

式中，为中庸狼个体，为α狼，为β狼，为δ狼。

优选的，所述对所述狼群和所述中庸狼群中每个个体进行适应度计算，从所述狼群中的个体和一一对应的所述中庸狼群的个体之间筛选出适应度最高的第一组M个个体，得到第一狼群，包括：

利用所述目标函数，对所述狼群和所述中庸狼群中每个个体进行适应度计算，利用筛选公式从所述狼群中的个体和一一对应的所述中庸狼群的个体之间筛选出适应度最高的所述第一组M个个体，得到所述第一狼群；其中，所述筛选公式为：